使用dplyr的mutate实现类Excel SUMIF条件求和遇问题求排查

你的代码有两个核心问题：

1. 参数传递错误：你预期是用a列的年份值（2022、2021、2020）作为筛选阈值（筛选b <= 年份的行），但代码里传给get_sum的year参数是b列的值，完全搞反了逻辑。
2. 函数不支持向量输入：get_sum现在只能处理单个year值，但mutate中传递的是整个列的向量，filter会按行做元素级匹配，而非为每个阈值单独遍历整个数据集求和。

方案1：用rowwise()逐行处理 #

先修正参数传递，再用rowwise()让函数对每一行的a值单独计算：

library(dplyr)

data <- data.frame(a = c(2022, 2021, 2020), b = c(10, 20, 10))

get_sum  <- function(x, year){
  sum(x$b[x$b <= year])
}

data %>% 
  rowwise() %>%
  mutate(cum = get_sum(x = ., year = a)) %>%
  ungroup()

方案2：用purrr::map_dbl向量化处理 #

如果不想用rowwise()，可以用map_dbl遍历a列的每个值，单独计算求和：

library(dplyr)
library(purrr)

data <- data.frame(a = c(2022, 2021, 2020), b = c(10, 20, 10))

data %>% 
  mutate(cum = map_dbl(a, ~sum(b[b <= .x])))

方案3：高效矩阵运算（适合大数据） #

如果数据集很大，逐行处理效率低，可以用外积生成布尔矩阵，再按行求和：

data <- data.frame(a = c(2022, 2021, 2020), b = c(10, 20, 10))

data$cum <- colSums(outer(data$b, data$a, `<=`) * data$b)

以上三种方法都能得到你预期的输出：

a  b cum
1 2022 10  40
2 2021 20  30
3 2020 10  10

内容的提问来源于stack exchange，提问作者Francesc VE